基于神经网络的短期负荷预测
| 第一章 绪论 | 第1-14页 |
| 第一节 短期负荷预测的意义及任务 | 第6-8页 |
| 1．1．1 短期负荷预测的意义 | 第6-7页 |
| 1．1．2 短期负荷预测的任务 | 第7-8页 |
| 第二节 国内外负荷预测研究情况综述 | 第8-12页 |
| 1．2．1 负荷预测的研究历史和发展状况 | 第8-11页 |
| 1．2．2 神经网络应用于短期负荷预测的研究现状 | 第11-12页 |
| 第三节 本论文的主要工作 | 第12-14页 |
| 第二章 负荷预测概述 | 第14-32页 |
| 第一节 负荷预测组成及作用 | 第14-19页 |
| 2．1．1 负荷预测的分类 | 第14-16页 |
| 2．1．2 负荷预测各部分的作用及关系 | 第16-18页 |
| 2．1．3 负荷预测的特点 | 第18-19页 |
| 第二节 短期负荷特性分析 | 第19-27页 |
| 2．2．1 短期负荷特性概述 | 第20-21页 |
| 2．2．2 典型负荷分量的特性 | 第21-24页 |
| 2．2．3 天气敏感负荷分量的特性 | 第24-27页 |
| 2．2．4 随机负荷分量的特性 | 第27页 |
| 第三节 短期负荷预测的模型 | 第27-32页 |
| 2．3．1 短期负荷预测模型要求 | 第27-28页 |
| 2．3．2 短期负荷预测的基本模型 | 第28-29页 |
| 2．3．3 本论文中短期负荷预测的模型 | 第29-32页 |
| 第三章 人工神经网络预测技术 | 第32-48页 |
| 第一节 人工神经网络的应用 | 第32-36页 |
| 3．1．1 人工神经网络在负荷预测中的应用 | 第32页 |
| 3．1．2 基于误差反传的前馈神经网络 | 第32-36页 |
| 第二节 神经网络算法比较 | 第36-42页 |
| 3．2．1 误差反传算法（BP算法） | 第36-38页 |
| 3．2．2 BP改进算法 | 第38-39页 |
| 3．2．3 共轭梯度算法（CG） | 第39-40页 |
| 3．2．4 改进共轭梯度算法（SCG算法） | 第40-42页 |
| 第三节 神经网络预测的具体问题 | 第42-48页 |
| 3．3．1 负荷模型 | 第42-45页 |
| 3．3．2 数据处理 | 第45-47页 |
| 3．3．3 自适应调整权值 | 第47-48页 |
| 第四章 神经网络负荷预测技术的软件实现 | 第48-54页 |
| 第一节 短期负荷预测软件的总体设计 | 第48-50页 |
| 4．1．1 短期负荷预测软件的设计方案 | 第48页 |
| 4．1．2 短期负荷预测的软件结构 | 第48-50页 |
| 4．1．3 短期负荷预测程序的详细设计 | 第50页 |
| 第二节 短期负荷预测程序的实现 | 第50-54页 |
| 4．2．1 程序设计语言和开发环境的选择 | 第50-52页 |
| 4．2．2 应用面向对象的方法实现短期负荷预测 | 第52-54页 |
| 第五章 算例与结果分析 | 第54-63页 |
| 第一节 吉林省短期负荷预测算例 | 第54-59页 |
| 5．1．1 工作日的负荷预测分析 | 第54-57页 |
| 5．1．2 周末日的负荷预测分析 | 第57-58页 |
| 5．1．3 节假日的负荷预测分析 | 第58-59页 |
| 第二节 沈阳地区负荷预测算例 | 第59-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
